别人课题随手编，你的一憋憋一年

看文献就是这样，看久了会让你很生气！明明很Low Bee的东西，人家一下子做完，就能随手挖到个课题。而你，却需要像便秘一样，憋很久，面红耳赤之后，才发现，原来就只是个屁

。

今天要给你们讲的这篇蚊帐，就是这么Low Bee而速成的存在

。题目是，呃，太长了，你们自己看哈：

这篇蚊帐发表在Supportive Care in Cancer（IF=2.698）上，唯一的亮点，就是完全没有做实验。

从这篇摘要里我们能看到哈，作者所采用的是“Text mining-based in silico drug discovery”来进行的分析，这里面“Text mining”指的就是文本挖掘，而“in silico drug discovery”就是计算机上的药物发掘。也就是完全没有打算做实验的意思

。

由于口腔癌的放疗会有很多副作用，比如口腔黏膜炎，还有就是口腔的伤口不容易愈合。于是作者就用文本挖掘，来分析了已知的PubMed上的文献，然后对相应的基因进行聚类分析（看看富集在什么通路或者过程上）和PPI分析（筛除没有edge的nodes）筛选关键基因，然后再用网页工具把基因和药物联系起来。没错，就是这么简单的蚊帐。

首先他用两个关键词的文本挖掘分析筛查到了447个相关基因，然后用GO、Pathway和PPI分析，筛出了20个他们认为关键的基因，最后做了与药物的相关分析，预测这些药物大概能缓解口腔癌放疗的副作用（说实话到底有没有用谁知道……

）。

当然，这种PPI分析是不是特别眼熟？没错，就是用STRING做的

。而文本挖掘，确实是花了点时间，因为我网速不好，一直卡：

要不是这样，我不会花了15分钟才重复完这些步骤的

。想想人家15分钟内，就能完成一篇两点几分的蚊帐，是不是你自己也有点跃跃欲试了？

其实我要讲的，并不是如何不做实验写蚊帐，而是人家的思路，就是这样，随随便便就挖掘出一个课题来。不管你是从实验，还是从数据库，或者从文献中，找到疾病与基因的相关性，都能挖出一两个像样的课题。这又有什么难的呢？好了，大家有兴趣的话，就自己去试试吧，今天就先策到这里吧。